দুর্দান্ত অ্যালগরিদম, মেশিন লার্নিং এবং কোনও লিনিয়ার বীজগণিত নেই


30

আমি একটি উন্নত অ্যালগরিদম কোর্স পড়াই এবং মেশিন লার্নিং সম্পর্কিত কিছু বিষয় অন্তর্ভুক্ত করতে চাই যা আমার শিক্ষার্থীদের পক্ষে আগ্রহী হবে। ফলস্বরূপ, আমি মেশিন লার্নিংয়ের ক্ষেত্রে বর্তমানে সবচেয়ে আকর্ষণীয় / সবচেয়ে বড় অ্যালগরিদমিক ফলাফল সম্পর্কে মানুষের মতামত শুনতে চাই। সম্ভাব্যতম সীমাবদ্ধতা হ'ল শিক্ষার্থীরা রৈখিক বীজগণিত সম্পর্কে বিশেষ কোনও পূর্ববর্তী জ্ঞান বা মেশিন লার্নিংয়ের অন্যান্য প্রধান বিষয় থাকতে পারে না।

বিষয়টি তাদের সত্যই উত্সাহিত করার জন্য এবং তাদের জানতে দেওয়া যে এমএল একটি অ্যালগরিদম বিশেষজ্ঞদের জন্য সম্ভাব্য উত্তেজনাপূর্ণ গবেষণা ক্ষেত্র।

সম্পাদনা: এটি একটি চূড়ান্ত বছরের স্নাতক কোর্স (যেমন আমাদের ইউকেতে স্নাতক কোর্স নেই মূলত)। উন্নত ফলোআপ কোর্সটি বেছে নেওয়ার জন্য তারা কমপক্ষে একটি বেসিক অ্যালগরিদম কোর্স আগেই করেছে এবং সম্ভবত এটিতে ভাল করেছে done অ্যাডভান্সড কোর্সের বর্তমান সিলেবাসে পারফেক্ট হ্যাশিং, ব্লুম ফিল্টারস, ভ্যান এমডি বোস ট্রি, লিনিয়ার প্রগ।, আনুমানিক মতো বিষয় রয়েছে। এনপি-হার্ড সমস্যা ইত্যাদির জন্য অ্যালগোরিদম ইত্যাদির জন্য আমি এককভাবে একাধিক বক্তৃতা কেবলমাত্র এমএলে ব্যয় করার ইচ্ছা করি না তবে যদি কিছু সত্যিই একটি অ্যালগোরিদম কোর্স এবং এমএল উভয়ের সাথেই প্রাসঙ্গিক হয় তবে অবশ্যই এটি অন্তর্ভুক্ত করা যেতে পারে।


1
দয়া করে দুটি বিষয় পরিষ্কার করুন: 1) এটি কোনও স্নাতক কোর্স বা স্নাতক কোর্স? কি সম্পর্কিত কোর্স (যদি থাকে) তারা পাস করেছে? 2) আপনি কত সময় এমএলকে উত্সর্গ করতে চান?
এমএস দৌস্তি

3
hmmm আমি মনে করি লিনিয়ার বীজগণিত একটি প্রয়োজনীয় এবং একটি গুরুত্বপূর্ণ ভিত্তি কোর্স, কমপক্ষে মেশিন লার্নিং সাইডে। এবং আমি মনে করি লিনিয়ার মডেলটি মেশিন লার্নিং অ্যালগরিদমের খুব ভাল পরিচিতি। আপনি কে-নিকটতম প্রতিবেশী বা লজিস্টিক রিগ্রেশন অ্যালগরিদমের মতো অন্যান্য বেসিক স্তরের অ্যালগরিদমগুলি সম্পর্কে ভাবতে পারেন। হয়তো এই সাহায্য আপনি en.wikipedia.org/wiki/List_of_machine_learning_algorithms
Deyaa

1
হাল দৌম কীভাবে মেশিন লার্নিং শেখায় তার থেকে কিছু ধারণা - nlpers.blogspot.com/2010/04/how-i-teach-machine-learning.html
ইয়ারোস্লাভ

3
প্রিয় রাফেল, অ্যাভিরাম ব্লুম সাধারণত মেশিন লার্নিং এবং কয়েকটি সম্পর্কিত বিষয়ের সাথে তার সিনিয়র-স্তরের অ্যালগরিদম ক্লাস শেষ করেন; সাম্প্রতিক পুনরাবৃত্তিটি নিম্নলিখিত লিঙ্কে রয়েছে cs.cmu.edu/~avrim/451f09/index.html , এবং আপনি তার ওয়েবপৃষ্ঠা থেকে আরও তথ্য পেতে পারেন। এই ক্লাসটি উভয়ই হাতে নেওয়া এবং নেওয়া, আমি বলতে পারি যে এটি (এবং এর সমাপ্তি উপাদান) শিক্ষার্থীরা খুব উষ্ণভাবে গ্রহণ করেছে।
matus

উত্তর:


29

আপনি বুস্টিং কভার করতে পারেন । এটি অত্যন্ত চালাক, কার্যকর করা সহজ, ব্যবহারে ব্যাপকভাবে ব্যবহৃত হয় এবং এটি বোঝার জন্য খুব পূর্বশর্ত জ্ঞানের প্রয়োজন হয় না।


5
আমি জরিপের কিছু অংশ অরোরা এট আল দ্বারা উপস্থাপন করেছি। ( cs.princeton.edu/~arora/pubs/MWsurvey.pdf ) কয়েক বছর আগে গ্রেড তত্ত্বের ক্লাসে। লোকেরা এটি পছন্দ করেছে এবং আমি মনে করি এই উপাদানটি বুঝতে আপনার কোনও পটভূমি প্রয়োজন need
দানু

9

আপনি যদি কেবল একটি লেকচারে তাদের ক্ষুধা ঘামাতে চান তবে শক্তিশালী অ্যাপ্লিকেশনটি উপস্থাপন করা সবচেয়ে উত্তেজনাপূর্ণ হতে পারে। উদাহরণস্বরূপ, সমর্থন ভেক্টর মেশিনগুলি এবং অন্যান্য মেশিন লার্নিং অ্যালগরিদমগুলি ড্রাগ আবিষ্কারের জন্য কেমোইনফরম্যাটিকসে ব্যবহৃত হয়।

শেখার সমস্যাটি মূলত: আমাদের এমন একটি আচরণ দেওয়া হয় যাতে আমরা একটি রাসায়নিক প্রদর্শন করতে চাই, এমন একটি কাঠামো তৈরি করি যা সেই আচরণকে প্রদর্শন করে এমন পরিচিত কাঠামোর একটি ডেটাবেস থেকে বাদ দিয়ে যা একইরকম (বা ভিন্ন) আচরণগুলি প্রদর্শন করে। শেখার সমস্যাটির একটি অতিরিক্ত কুঁচকে রয়েছে: পেটেন্ট এস্টেটের সন্ধানের জন্য নতুন ওষুধটি পূর্বের জ্ঞাত ওষুধ থেকে বৈশ্বিক কাঠামোর "দূরবর্তী" হওয়া দরকার।

একটি উত্স হ'ল ক্লাস্টারিং পদ্ধতি এবং গণনা সংক্রান্ত রসায়নে তাদের ব্যবহার


1
রেফারেন্সের জন্য ধন্যবাদ। আমি সম্ভবত উত্তল অপ্টিমাইজেশনের অ্যাপ্লিকেশন হিসাবে এসভিএমগুলি শেখানোর কথা ভাবছিলাম। এটি এমএল অংশটির সাথে অ্যালগরিদম অংশটি সুন্দরভাবে সম্পর্কিত করবে।
রাফেল

2
রৈখিক বীজগণিত ছাড়াই আপনি কীভাবে এসভিএমগুলি কভার করবেন?
লেভ রেইজিন

আমি আমার কোর্সে তাদের ন্যূনতম পূর্বশর্তগুলি শেখানোর আশা করছিলাম। সম্ভবত এটি খুব আশাবাদী ছিল :-)
রাফেল

সমর্থন ভেক্টর মেশিনগুলি সেরা পছন্দ যেখানে এখনও গুরুত্বপূর্ণ উদাহরণ আছে? আমি লক্ষ্য করেছি যে কাগল প্রতিযোগিতায়, উদাহরণস্বরূপ, তারা কখনই কোনও বিজয়ী প্রবেশের মূল অংশ হয় না। কমপক্ষে এমন কিছু যা আমি সম্প্রতি দেখেছি। (আমি অবশ্যই সংশোধন করার পক্ষে দাঁড়িয়ে আছি))
লেম্বিক

7

কে-মিনস এবং কেএনএন খুব শক্তিশালী এবং পয়েন্টের দূরত্বের গণনা ব্যতীত কোনও লিনিয়ার বীজগণিতের প্রয়োজন হয় না।


বিশেষ করে কে-মিনস খুব শক্তিশালী অ্যালগরিদম। এটি তার উদ্দেশ্যমূলক কার্য সম্পাদনের উপর প্রমাণিত সীমানা না থাকা সত্ত্বেও এটি অবিশ্বাস্যভাবে কার্যকর যে এটি প্রায় সিম্প্লেক্স অ্যালগরিদমের কার্যকর বহুপদী জটিলতার (বাস্তব ক্ষতিকারক জটিলতা সত্ত্বেও) মত। এর অনলাইন সংস্করণটি বৃহত আকারের ডেটা অ্যাপ্লিকেশনগুলিতেও কার্যকর।
এলিয়ট জেজে

5

ক্রিস্টোফার বিশপের (এমএসআর তে) "নিউরাল নেটওয়ার্কস এবং মেশিন লার্নিং" এর দ্বিতীয় অংশটি এমএল-এ অ্যালগরিদমে রয়েছে। বিশপের পাঠ্যপুস্তকগুলি সাধারণত স্নাতক (এবং পরে স্নাতক) পাঠ্যপুস্তকগুলির জন্য ব্যবহৃত হয় এবং অত্যন্ত সুনির্দিষ্ট লেখা হয়।


4

এই অ্যালগরিদম কেবলমাত্র অল্প পরিমাণে লেবেলযুক্ত নমুনাগুলি ব্যবহার করে বিপুল পরিমাণ লেবেলযুক্ত নমুনাগুলিকে শ্রেণিবদ্ধ করতে গ্রাফ ন্যূনতম কাট ব্যবহার করে।

এর আন্ডারগ্রাড বন্ধুত্বপূর্ণ। আমি কয়েকটি এলোমেলোভাবে নির্বাচিত আন্ডারগ্র্যাডগুলিতে এটি ব্যাখ্যা করেছি এবং তারা এটি বুঝতে পেরেছে।

রেফ: ব্লুম, এ, এবং চাওলা, এস (2001)। গ্রাফ মিনকুটগুলি ব্যবহার করে লেবেলযুক্ত এবং লেবেলযুক্ত ডেটা থেকে শেখা।

স্ব প্রচার প্রচার ইউটিউবে অ্যালগরিদমের ভিজ্যুয়ালাইজেশন ।



1

রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদমগুলি (বিশেষত কিউ-লার্নিং এবং এসআরএসএ) কিছু শেখার সমস্যাগুলি সমাধান করার জন্য বোঝার জন্য খুব সহজ এবং খুব শক্তিশালী। একত্রিতকরণের প্রমাণ এবং রূপান্তর হার ছাড়া লিনিয়ার বীজগণিতগুলিতে তাদের কোনও উন্নত জ্ঞানের প্রয়োজন নেই।

আপনি লিটম্যান এবং আল এর সুপরিচিত জরিপটি ব্যবহার করতে পারেন: http://www.cs.cmu.edu/afs/cs/project/jair/pub/volume4/kaelbling96a-html/rl-survey.html


1

আপনি কয়েকটি অ্যালগরিদমগুলি কভার করতে পারেন যা ক্লাসিক বা ভাল স্বীকৃতি সহ।

উদাহরণস্বরূপ, সি 4.5 এবং কার্ট, যা ক্লাসিক সিদ্ধান্ত ট্রি অ্যালগরিদম।

আপনি কিছু জড়ো পদ্ধতিতেও (যেমন, অ্যাডাবোস্ট (বুস্টিং), ব্যাগিং) কভার করতে পারেন, যা বাস্তব বিশ্বের অ্যাপ্লিকেশনগুলিতে খুব ভাল পারফরম্যান্স করে।

তদুপরি, গভীর পড়াশোনাও একটি ভাল বিষয়, কারণ এটি খুব গরম।



0

নেটিভ বেইস এবং বেয়েসিয়ান নেটওয়ার্ক, সিদ্ধান্ত গাছের অ্যালগোরিদমগুলি একটি নিরপেক্ষ নেটওয়ার্ক বা এসএমএম দিয়ে শুরু করার চেয়ে ভিজ্যুয়ালাইজ করা বেশ সহজ


0

জেনেটিক প্রোগ্রামিং সত্যিই দুর্দান্ত। এটি জীববিজ্ঞান থেকে অনুপ্রেরণা ব্যবহার করে এবং বিপুল সংখ্যক সমস্যার ক্ষেত্রে প্রয়োগ করা যেতে পারে (উদাহরণস্বরূপ, এন-কুইন্স সমস্যা, এবং টিএসপি)।

এটি গভীর গাণিতিক দক্ষতা প্রয়োজন হয় না।

সম্পাদনা: এটির সম্ভাব্য সমাধানটি কতটা ভাল তা অনুমান করার একটি উপায় প্রয়োজন requires এটি উদাহরণস্বরূপ কয়েকটি সংখ্যার পিছনের নিয়মটি অনুমান করার জন্য, বহু-বৈচিত্র সমস্যার ক্ষেত্রে মিনিমা / ম্যাক্সিমা খুঁজে পেতে এবং বিশাল প্যারামিটারের স্পেসগুলি অনুসন্ধান করতে ব্যবহার করা যেতে পারে। আপনি অনুকূল সমাধানটিতে আগ্রহী নন যখন এটি উপযুক্ত, তবে যখন একটি ভাল পর্যাপ্ত সমাধান করবে। আমি বিশ্বাস করি এটি গেমসের জন্য ভাল কৌশল (স্টারক্রাফ্ট 2 এ অর্ডার তৈরি করা, এবং মারিওতে সর্বোত্তম খেলার জন্য) ব্যবহার করতে ব্যবহৃত হয়েছে believe


কোন গুরুত্বপূর্ণ সমস্যা যার জন্য এটি সেরা পদ্ধতি? আমি বলতে চাইছি এটি অবশ্যই টিএসপির পক্ষে নয়।
লেম্বিক
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.